高考結束了，最讓學子們揪心的莫過于志愿填報了。

現在，志愿填報有一些新“玩法”。讓我們來看一個例子。

她叫王琳（化名），來自貴州一座普通縣城的重點中學。高考結束那晚，她拿著剛出分的成績單，站在父親借來的一部舊安卓手機前，在夸克App里輸入了一句話：

“我想學經濟，但不想離家太遠。”

十秒鐘后，一份清晰、結構完整的志愿報告出現在屏幕上：它不僅列出了她最可能被錄取的高校，還標注了每一所學校的優勢專業、城市發展、就業方向，甚至分析了“經濟類對女生未來職業選擇的彈性較高”——這是她此前從未聽說過的信息。

在一個月內，王琳修改了近60次報考偏好，最終鎖定了西南財經大學。

她不是個例。2025年高考季，夸克官方數據顯示，其“志愿報告Agent”累計為考生和家長生成超1000萬份志愿報告，成為中國AI技術在垂直領域最大規模的深度研究型應用。

一場關乎命運的決策，正在由AI參與。人們開始思考：“AI，真的能幫我做出人生最重要的決定嗎？”

AI志愿Agent到底做了什么？

志愿填報是一項高度復雜的任務。它不是簡單地“根據分數篩學校”，而是要在考生的個人偏好、成績、家庭背景、城市意向、專業興趣、未來發展、就業趨勢之間，找到一條可行又理想的路徑。

在此之前，很多家庭只能依賴“親戚推薦”“老師意見”甚至“網上搜索來的碎片信息”來做決策。

而夸克推出的“志愿報告Agent”，正是要用AI，幫用戶拆解需求、規劃路徑、執行決策、反思調整，走完整套流程。

這背后的技術關鍵是：“任務規劃—執行—檢查—反思”四階段Agent機制。

與傳統的問答系統不同，志愿Agent更像是一個“沉浸式助手”：

一是任務規劃，理解你想要什么。

例如考生輸入：“我傾向于廣州深圳，不考慮偏遠地區，想學人工智能，數學不太好”。

AI會自動識別出：地域偏好+專業目標+能力約束等多維度信息，并將其拆解為后續決策的執行路徑。

二是任務執行，調用各種工具操作志愿表。

執行過程不僅調用搜索與知識庫，還結合夸克自建的志愿填報工具（涵蓋3000多所高校、2000多個專業的歷年數據），生成初步填報方案。

三是結果檢查，看是否滿足你的意圖。

比如，如果在廣州深圳地區無法滿足“人工智能”且匹配度高的選項，系統會返回反饋并觸發反思機制。

四是自我反思，重新調整路徑再嘗試。

AI會嘗試擴展方案，例如“是否考慮廣東省內其他城市？”或者“是否放寬對高校層次的限制以爭取更多選擇？”

整個過程是一個類專家的策略性探索，而不是一錘子買賣。

這種能力并非依賴一個模型，而是一個系統性的集成：由高考志愿大模型+知識庫+搜索+決策工具+反饋機制構成的智能體（Agent），實現了從用戶語言→智能規劃→動態反饋→報告輸出的完整鏈路。

換句話說，它不是“在回答問題”，而是在“模擬決策過程”。

夸克憑什么？拆解夸克的核心技術

“AI Agent”不是一個新概念，但真正做到實用、穩定、規模化落地的案例寥寥無幾。我們可以把它看作一場“大模型+工具鏈+垂直知識”的協同作戰，夸克的志愿報告Agent之所以備受關注，不只是因為它生成了一千萬份報告，更因為它在數據、模型、工具三大技術支柱上，構建出了嚴謹而高效的閉環系統。

第一支柱：高質量、結構化、權威的數據底座

填志愿是“信息決策”的典型場景，但高考相關的信息極度碎片化，且權威性參差不齊。

為確保數據可用性與準確性，夸克對外部信息源做了大規模清洗與重構：收錄8000+高考相關站點、幾十億級網頁內容，覆蓋99%以上權威源；引入非網頁數據，如各省考試院、招生簡章等；針對近三年招生計劃、錄取分數、體檢要求、就業考研數據等，夸克動用數百人工審核，構建起近似“高考百科全書”的數據庫。

特別是志愿工具所依賴的數據集，涵蓋了全國3000多所高校，2000多個專業，包括不同省份、選科模式等復雜變量。

這使得生成的每一份志愿報告，具備了“與現實高一致性”的基礎。

第二支柱：高考專屬大模型+強化學習優化

在大模型方面，夸克基于通義千問的基座模型，做了大規模后訓練，包括：高考垂直領域微調訓練；引入權威知識庫作為RAG材料源；應用RLHF（人類偏好強化學習）+RLVR（可驗證獎勵強化學習）機制，提升推薦結果的可靠性與用戶接受度。

特別是在“志愿推薦”中出現的典型矛盾——例如“分數剛好能上，但專業可能不喜歡”——模型通過RLHF打分來捕捉用戶偏好，又用RLVR確保事實不偏離，兩種獎勵機制協同調和“真實可行”與“用戶滿意”之間的張力。

此外，在數據結構和策略表達上，模型能將自然語言轉化為專家級指令，執行對志愿表的精細操作：

按地域優先級（如“廣州 > 廣東省內 > 非偏遠地區”）調整選項；

匹配專業要求與考生學科能力（如“數學弱不建議報人工智能”）；

在資源不足時觸發“策略放寬”或“沖刺建議”。

從語言理解到意圖規劃、再到表格操作與策略反饋，這種復雜流程的閉環，標志著真正具備實戰能力的AI Agent系統。

第三支柱：多輪執行與人機協同的志愿工具

模型不是孤島。它與志愿工具之間的交互，決定了生成結果的可執行性與可信度。

每一次模型生成的指令，都會傳送給志愿表工具進行實時模擬與反饋。

如果反饋結果不理想，模型會“反思”：是否擴大地理范圍？是否降低院校層級？是否調整專業優先級？并重新生成推薦方案。

這不僅是“模型生成一個表”，而是：模型推理+工具執行+數據反饋+策略反思的動態任務系統。這是AI真正從“內容生成”，進化為“決策協助”的關鍵一步。

在產品方面夸克又做了什么，

來優化用戶體驗？

高考填報，不只是信息問題，更是認知問題——很多考生和家長，不知道該問什么、更不知道該怎么選。而夸克在產品層的最大突破，是把“復雜的AI能力”轉化成了“用戶可理解、可操作、可信賴的交互體驗”。

這背后的核心，是三個產品層級的融合：

第一層：AI問答，掃除信息盲區

夸克在搜索系統基礎上，搭建了專屬的高考問答模型體系，可以系統性地回答所有高考相關問題——

什么是強基計劃？

某某專業適合女生嗎？

某高校去年在江蘇的最低位次是多少？

不同于傳統搜索給出一堆鏈接，夸克的AI問答直接給出結構化、精煉答案，并附帶數據來源與解釋說明。對很多第一次接觸志愿填報的家庭來說，這個階段就極大降低了“信息焦慮”。

第二層：志愿工具，幫助用戶自助篩選

如果說問答是信息入口，那“志愿工具”就是用戶自定義篩選的空間。它支持用戶：輸入分數、位次、選科、地區、意向專業；進行分段篩選（沖、穩、保）；查看歷史錄取分數、波動預測、招生計劃等關鍵數據。

這個功能面向熟練用戶或愿意親手操作的人群，提供了極高的自由度，但并不強依賴AI生成。

第三層：志愿報告Agent，一站式“決策路徑規劃器”

而真正將AI的“專家決策力”推向C端用戶的，就是今年重點上線的志愿報告Agent功能：

用戶只需用自然語言描述意圖（如“我不喜歡數學，但想學計算機，想在山東省內上公辦院校”）；

Agent將自動規劃填報策略→調用工具→調整篩選邏輯→生成結構化志愿報告；

每所推薦學校附帶解釋邏輯、風險等級、專業匹配度、地域分布等信息；

最終輸出一份可下載、可打印、可分享的完整志愿報告，并支持后續反復修改。

這是因為在技術和產品層面的深耕，夸克在這場高考志愿填報的“考試”中，也取得了不錯的成績：

生成報告總量超1000萬份，為國內最大規模的AI輔助決策應用之一；

用戶主動分享率超40%，說明報告不僅被看，還被信賴、傳播；

超過50%的用戶來自三線及以下城市，顯示出AI產品在信息弱勢群體中的巨大價值；

個別用戶最多生成多份志愿報告，表明Agent系統具備持續交互與反饋能力，支持“逐步決策”而非一次定論。

此外，夸克在部分鄉村中學開展的線下調研也顯示，許多考生“甚至不知道自己應該問什么問題”，只能機械地說“我成績不差，想考師范”。在這種場景下，AI系統不只是一個工具，更是一位能夠引導、澄清、建議的決策合伙人。

夸克產品負責人蔣冠軍曾表示：“在很多領域，用戶的需求已經復雜到無法用常規搜索滿足，我們希望AI真正成為身邊的專家型助手。”

高考志愿填報，

只是人生決策的“冰山一角”

在AI應用層的眾多落地嘗試中，“教育”始終是最被寄予厚望的場景之一。但現實中，很多產品停留在表層應用：題目講解、作文批改、知識問答……真正涉及高認知決策、復雜多目標推理、數據深度整合的產品極少。

夸克高考志愿Agent的出現，意味著AI在教育領域第一次實現了結構性能力突破。

1. 從“聊天式AI”到“任務型AI”的轉變

傳統AI教育產品多為ChatBot式單輪問答，例如“我這個分能不能上某高校”“XX專業前景如何”。但真正的志愿填報決策包含：

認知澄清（你真的知道你想報的專業是干什么的嗎？）；

意圖平衡（父母希望穩定vs孩子想挑戰）；

數據對齊（分數、位次、地域、學校批次、專業類別）；

策略執行（沖/穩/保布局、錄取概率計算、限制條件控制）。

這不是“問一個問題、得一個答案”，而是“發起一個任務、走完一套流程”。Agent機制正好適配了這一認知模型。

2. 技術深度已超越行業平均水位

據夸克算法負責人唐亮介紹，志愿Agent所依賴的大模型，經過了高考專屬微調、任務規劃訓練、強化學習打分等多輪迭代。模型不僅能理解考生意圖，還能生成可執行指令、控制外部工具調用、動態調整策略。

相比多數“生成類AI”停留在內容層，夸克已經實現了“推理—行動—反思—重構”的鏈式閉環。

此外，其幻覺控制能力也得到顯著提升，幻覺率得到大幅優化，確保用戶不會因為“編造內容”做出錯誤決策。

3. 數據結構化、語義映射能力構筑護城河

很多廠商嘗試進入高考志愿領域，但長期無法突破的點在于：

數據顆粒度過細，來源不統一：不同學校、不同地區、不同政策下的招生計劃和分數線標準不一；

專業信息需結構化理解：比如“人工智能”是否對數學有要求、“金融學”是否更適合理科生；

用戶語言模糊，意圖不穩定：如“想留在南方、不去太冷的城市”，需要進行語義拆解與標準化建模。

夸克通過7年積累構建出的數據庫+工具鏈+高考知識圖譜，使其具備了超出“產品設計”層面的語義基礎設施能力。而這正是其他競品難以快速復制的核心壁壘。

4. 決策類AI產品的新范式：可遷移、可拓展

更重要的是，高考志愿Agent所采用的整體框架，具備強可復制性。

任何“多目標、有限信息、路徑分歧”的復雜決策問題，都可視為Agent應用場景：考研/升學規劃、留學擇校、就業方向決策、醫療就診路徑推薦、財務投資組合規劃。

這正是“深度研究技術”的宏觀目標——不只是服務一個場景，而是打造AI助手完成復雜任務的能力模型。

從“會答題”到“會做決策”，這是AI與人類認知模型之間距離的真正縮小。

當AI成為“建議者”，誰負責“決策”？

夸克的志愿報告Agent在提供決策支持上無疑取得了巨大的技術突破，但在用戶層面，一個新的問題悄然浮現：“我到底能信AI到什么程度？”

這一問題的本質，并不在于模型準不準，而在于建議權與決策權的邊界是否清晰。

1. 用戶高度信任背后的風險

從用戶行為來看，AI生成的志愿報告正被越來越多的家庭視作“決策依據”：報告支持六維度打分與排序（地域、專業、學校層級等），最終輸出“推薦表單”；推薦內容標注有“沖、穩、保”分級；用戶可直接使用該表進行志愿填報操作，流程順滑。

但問題在于：很多用戶，尤其是中小城市和鄉村的考生與家長，未必具備評估“AI推薦合理性”的能力。他們對算法的信任，很容易轉化為過度依賴。

“AI給我這個學校，那應該沒問題吧？”

“專業看起來是推薦的第一位，我就選它吧。”

這種“把選擇責任轉嫁給AI”的心理，很容易在事后引發落差感、甚至信任危機。

2. 建議vs命令：AI的解釋能力需要加強

AI生成的志愿報告雖然已經附帶一定的解釋，如“因你的地域偏好和分數匹配推薦XXX專業”，但目前尚未全面實現：專業推薦邏輯的充分透明化；用戶可調節的偏好權重；對冷門、邊緣選項的完整披露。

例如，如果模型判斷用戶可被A專業錄取，但該專業冷門、城市偏遠、信息量稀缺——在報告中，這種“反例”往往被自然過濾。用戶失去了做“不選”的機會。

在志愿填報這種強關聯未來路徑的場景中，讓用戶知道“為什么推薦”，甚至“為什么不推薦”，與“推薦了什么”同樣重要。

3. RLHF與RLVR的博弈：個性偏好vs客觀事實

夸克團隊在模型訓練中采用了RLHF（人類偏好）+RLVR（可驗證事實）雙重強化機制：RLHF捕捉用戶在報告排序、內容表達、推薦偏好等方面的感受；RLVR確保輸出內容在邏輯和事實層面不能出錯。

但在現實應用中，二者會出現“錯位”：一個冷門專業（如地質工程）可能事實匹配度高、錄取概率大，但用戶天然抗拒；一個熱門專業（如金融、人工智能）可能錄取概率低，但用戶強烈傾向。

面對這種“理性結果vs情緒偏好”的沖突，模型必須在建議維度做出選擇。如何解釋這種選擇，并允許用戶干預調整，是下一步產品必須解決的問題。

4. 責任的邊界，需要更明確的制度設計

目前，夸克的產品設計中，強調AI報告的輔助性質。

但從實際操作層面來看，隨著AI能力的提升，可能會導致人越來越依賴AI給出的建議的問題。一旦出現決策失誤，人們往往傾向于歸罪于AI系統。這有點類似于目前的汽車自動駕駛領域，雖然車企反復強調自己提供的只是輔助駕駛系統，但是越來越多的用戶慢慢養成了依賴自動駕駛的習慣，一旦出現嚴重車禍，車企依然可能陷入被動的局面。

因此，為了捋清責任關系，需要更明確的制度設計，來確定責任邊界。從長遠看，任何AI決策產品都必須解決“建議權”與“決策權”的明晰分離：建議應是解釋型的、可復現的、可調節的；決策必須由用戶明確下達指令，并了解其依據與后果；系統應提供“反思空間”與“用戶選擇確認”機制，避免誤信或誤解。

需要讓人們清楚的意識到，AI是助力，不是替代。尤其在關乎命運的選擇上，責任必須由人類自己承擔。

需要指出的是，高考是一場信息戰，也是一場認知戰。它要求每個考生和家庭在短時間內，做出一次關于未來的復雜選擇。但對于絕大多數人來說，這場戰役的起點并不公平：

有人有家教、咨詢師、老師資源；

有人只能靠零散搜索、親戚建議；

更有人根本不知道，哪些信息該去問、該怎么問。

AI志愿Agent的價值，恰恰不在于替你決定，而在于讓你擁有“做出好決定”的條件。

夸克的這一產品，不是單純的“模型秀肌肉”，而是一次工程能力、數據整合、產品理解與社會價值的協同實踐。它讓AI不再只是技術熱詞，而是落到千千萬萬個考生和家長手中，一次次輸入模糊指令、反復修改偏好、慢慢明白自己到底想要什么。

你或許不會完全照著AI生成的那份報告填志愿，但它提供的，是一個路徑，是一張地圖，是一盞在混沌中亮起來的燈。

未來，這種“深度研究式AI助手”還將進入更多決策領域：從考研、留學、擇業到醫療、養老、投資規劃。它將不再是“懂你說什么”的AI，而是“能陪你想清楚”的AI。

但最終，AI不是命運的仲裁者。

人生方向，還是需要人自己走。